[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ZENALC--algobot":3,"tool-ZENALC--algobot":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":93,"env_os":94,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":102,"github_topics":103,"view_count":23,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":117,"updated_at":118,"faqs":119,"releases":120},3125,"ZENALC\u002Falgobot","algobot","Cryptocurrency trading bot with a graphical user interface with support for simulations, backtests, optimizations, and running live bots.","Algobot 是一款专为加密货币交易设计的开源自动化机器人，它通过直观的图形用户界面，让用户能够轻松创建、测试并部署自己的交易策略。对于希望摆脱情绪化交易或想要验证策略有效性的用户来说，Algobot 提供了一站式解决方案：它不仅支持实时数据监控和动态图表绘制，还允许用户在投入真金白银前，进行深度的历史回测、参数优化以及模拟运行，从而大幅降低试错成本。\n\n这款工具特别适合具有一定技术基础的加密货币交易者、量化策略研究人员以及 Python 开发者使用。其核心亮点在于高度的灵活性与集成能力：用户既可以利用内置优化器自动调整策略参数，也能编写完全自定义的交易逻辑；同时，Algobot 集成了 Telegram 功能，让用户能随时随地远程监控交易状态或执行操作。此外，它对止损（包括追踪止损）、止盈等风控机制提供了细致配置，并依赖专业的 TA-LIB 库进行技术指标分析。需要注意的是，Algobot 基于 Python 3.7 至 3.9 环境运行，虽然上手需要一定的配置步骤，但其开放的社区支持和详尽的文档能帮助使用者快速构建属于自己的智能交易系统。","![logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZENALC_algobot_readme_96097c75a185.png)\n\n[![CI](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fci.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fci.yml)\n[![CodeQL](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fcodeql-analysis.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fcodeql-analysis.yml)\n[![License: GPL v3](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-GPLv3-blue.svg)](https:\u002F\u002Fwww.gnu.org\u002Flicenses\u002Fgpl-3.0)\n[![Python 3.7](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.7-blue.svg)](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002Frelease\u002Fpython-370\u002F)\n![Discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F863916085832974346)\n\nCryptocurrency trading bot that allows users to create strategies and then backtest, optimize, simulate, or run live bots using them. Telegram integration has been added to support easier and remote trading.\n\nAlgobot requires at least Python 3.7 and not over Python 3.9.\n\n\u003Chr>\n\n# Installation\n\nOnce you have cloned or unpacked the source code locally, run the following commands from your terminal in that directory.\n\n```bash\npip install pipenv\npipenv install\n```\n\nIf your install fails, please make sure to have [Visual Studio Build Tools](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fdownloads\u002F#build-tools-for-visual-studio-2019) installed.\n\nPlease note that Algobot requires TA-LIB. You can view instructions on how to download TA-LIB from [here](https:\u002F\u002Fgithub.com\u002Fmrjbq7\u002Fta-lib). For Windows users, it's best to download the .whl package for your Python install and `pip install` it. For Linux and MacOS users, there's excellent documentation available in the link provided above.\n\nFor Windows, it's easiest to perform the following:\n\n1) `pipenv shell`\n2) `pip install \u003Cyour .whl file>`\n\nYou can find the .whl files [here](https:\u002F\u002Fwww.lfd.uci.edu\u002F~gohlke\u002Fpythonlibs\u002F#ta-lib).\n\n\u003Chr>\n\n# Execution\n\nTo start Algobot, run:\n\n```bash\npipenv run bot\n```\n\nSet `DEBUG=1` to enable debug level logging.\n\n# Community\n\nJoin our [Discord](https:\u002F\u002Fdiscord.gg\u002FZWdHxhVbNP) today for contributions or help!\n\n# Features\n\n- View real time data.\n- Create graphs with real time data and\u002For moving averages.\n- Run simulations with parameters configured.\n- Run custom backtests with parameters configured.\n- Run live bots with parameters configured.\n- Telegram integration that allows users to trade or view statistics.\n- Create custom, trailing, or limit stop losses.\n- Create take profits.\n- Optimize your strategies using the built-in optimizer.\n- Ability to create your own custom strategies.\n\n# User Interface\n\n![Main Interface](https:\u002F\u002Fi.imgur.com\u002FY6FD5O5.png)\n![Configuration](https:\u002F\u002Fi.imgur.com\u002FJTvHRXf.png)\n![Graphs](https:\u002F\u002Fi.imgur.com\u002FM9Oz3Q6.png)\n![News](https:\u002F\u002Fi.imgur.com\u002FEc6Tw17.png)\n\n# Disclaimer\n\nBot usage is as is. Algobot is not responsible for any financial burdens or unexpected monetary bugs or glitches.\n\n# License\n\nGNU General Public License v3.0\n\n# Author\n\nMihir Shrestha\n\n# Contributors\n\nkoutsie, Malachi Soord (inverse)\n\n# Special Contributors\n\nPeter Motin for being the founder and head of strategic development throughout the entirety of this project.\n\n# Contribution\n\nCheck our [contributing guidelines](CONTRIBUTING.md) to get started.\n\n# Feature Requests\n\nFor any feature requests, feel free to add a feature request through Github's Issues. We would love to hear your ideas and implement them on the application.\n\n# Wiki\n\nYou can find documentation regarding Algobot [here](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Fwiki).\n","![logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZENALC_algobot_readme_96097c75a185.png)\n\n[![CI](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fci.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fci.yml)\n[![CodeQL](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fcodeql-analysis.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Factions\u002Fworkflows\u002Fcodeql-analysis.yml)\n[![License: GPL v3](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-GPLv3-blue.svg)](https:\u002F\u002Fwww.gnu.org\u002Flicenses\u002Fgpl-3.0)\n[![Python 3.7](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.7-blue.svg)](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002Frelease\u002Fpython-370\u002F)\n![Discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F863916085832974346)\n\n一款加密货币交易机器人，允许用户创建策略，并对其进行回测、优化、模拟或实盘运行。现已加入 Telegram 集成，以支持更便捷的远程交易。\n\nAlgobot 至少需要 Python 3.7，且不能高于 Python 3.9。\n\n\u003Chr>\n\n# 安装\n\n克隆或解压源代码到本地后，在该目录下打开终端并执行以下命令：\n\n```bash\npip install pipenv\npipenv install\n```\n\n如果安装失败，请确保已安装 [Visual Studio Build Tools](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fdownloads\u002F#build-tools-for-visual-studio-2019)。\n\n请注意，Algobot 需要 TA-LIB。有关如何下载 TA-LIB 的说明，请参阅 [此处](https:\u002F\u002Fgithub.com\u002Fmrjbq7\u002Fta-lib)。对于 Windows 用户，建议下载适用于您 Python 版本的 .whl 文件并使用 `pip install` 进行安装。而对于 Linux 和 macOS 用户，则可以在上述链接中找到详细的文档。\n\n在 Windows 上，最简单的操作步骤如下：\n\n1) `pipenv shell`\n2) `pip install \u003C您的 .whl 文件>`\n\n您可以在 [这里](https:\u002F\u002Fwww.lfd.uci.edu\u002F~gohlke\u002Fpythonlibs\u002F#ta-lib) 找到所需的 .whl 文件。\n\n\u003Chr>\n\n# 运行\n\n要启动 Algobot，请运行：\n\n```bash\npipenv run bot\n```\n\n设置 `DEBUG=1` 可启用调试级别日志记录。\n\n# 社区\n\n欢迎加入我们的 [Discord](https:\u002F\u002Fdiscord.gg\u002FZWdHxhVbNP)，贡献代码或寻求帮助！\n\n# 功能\n\n- 查看实时数据。\n- 使用实时数据和\u002F或移动平均线绘制图表。\n- 按照配置的参数运行模拟。\n- 按照配置的参数运行自定义回测。\n- 按照配置的参数运行实盘机器人。\n- 支持 Telegram 集成，用户可通过 Telegram 进行交易或查看统计信息。\n- 可设置自定义止损、追踪止损或限价止损。\n- 设置止盈。\n- 使用内置优化器优化您的策略。\n- 允许用户创建自定义策略。\n\n# 用户界面\n\n![主界面](https:\u002F\u002Fi.imgur.com\u002FY6FD5O5.png)\n![配置界面](https:\u002F\u002Fi.imgur.com\u002FJTvHRXf.png)\n![图表界面](https:\u002F\u002Fi.imgur.com\u002FM9Oz3Q6.png)\n![新闻界面](https:\u002F\u002Fi.imgur.com\u002FEc6Tw17.png)\n\n# 免责声明\n\n机器人按“原样”使用。Algobot 对任何财务损失或意外的金钱相关错误不承担任何责任。\n\n# 许可证\n\nGNU 通用公共许可证 v3.0\n\n# 作者\n\nMihir Shrestha\n\n# 贡献者\n\nkoutsie, Malachi Soord (inverse)\n\n# 特别贡献者\n\nPeter Motin，作为本项目的创始人及战略开发负责人，全程参与了项目的发展。\n\n# 贡献\n\n请查阅我们的 [贡献指南](CONTRIBUTING.md)，开始您的贡献之旅。\n\n# 功能请求\n\n如需功能请求，请通过 GitHub 的 Issues 提交。我们非常乐意听取您的想法，并将其融入到应用程序中。\n\n# 维基\n\n您可以在 [这里](https:\u002F\u002Fgithub.com\u002FZENALC\u002Falgobot\u002Fwiki) 找到关于 Algobot 的文档。","# Algobot 快速上手指南\n\nAlgobot 是一款开源加密货币交易机器人，支持策略创建、回测、优化、模拟及实盘运行，并集成了 Telegram 远程操控功能。\n\n## 环境准备\n\n- **操作系统**：Windows \u002F Linux \u002F macOS\n- **Python 版本**：3.7 ≤ Python ≤ 3.9（务必不要使用高于 3.9 的版本）\n- **核心依赖**：\n  - `pipenv`：用于管理虚拟环境\n  - `TA-LIB`：技术分析库（必须预先安装）\n\n> **注意**：Windows 用户若安装失败，请确保已安装 [Visual Studio Build Tools](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fdownloads\u002F#build-tools-for-visual-studio-2019)。\n\n### TA-LIB 安装指引\n- **Windows**：推荐直接下载对应 Python 版本的 `.whl` 文件进行安装。下载地址：[UCI Gohlke Python Libs](https:\u002F\u002Fwww.lfd.uci.edu\u002F~gohlke\u002Fpythonlibs\u002F#ta-lib)\n- **Linux \u002F macOS**：请参考 [TA-Lib 官方安装文档](https:\u002F\u002Fgithub.com\u002Fmrjbq7\u002Fta-lib) 编译安装。\n\n## 安装步骤\n\n1. **克隆或解压源码**\n   将项目代码下载到本地目录。\n\n2. **安装 Pipenv 并配置环境**\n   在终端进入项目目录，执行以下命令：\n   ```bash\n   pip install pipenv\n   pipenv install\n   ```\n\n3. **安装 TA-LIB (Windows 用户特有步骤)**\n   如果你下载了 TA-LIB 的 `.whl` 文件，请先激活虚拟环境再安装：\n   ```bash\n   pipenv shell\n   pip install \u003C你的文件名>.whl\n   # 退出虚拟环境\n   exit\n   ```\n\n## 基本使用\n\n### 启动机器人\n在项目目录下运行以下命令启动 Algobot：\n```bash\npipenv run bot\n```\n\n### 开启调试模式\n如需查看详细的调试日志，可在启动前设置环境变量：\n```bash\n# Linux\u002FmacOS\nexport DEBUG=1\npipenv run bot\n\n# Windows (PowerShell)\n$env:DEBUG=1\npipenv run bot\n```\n\n### 功能概览\n启动后，你将可以通过图形界面或配置文件进行以下操作：\n- 查看实时行情数据与 K 线图（含移动平均线）。\n- 运行参数化的模拟交易或自定义回测。\n- 启动实盘交易机器人。\n- 通过 Telegram 接收通知或下达交易指令。\n- 使用内置优化器调整策略参数，或编写自定义策略。\n\n> **免责声明**：本工具按“原样”提供，作者不对任何资金损失、软件故障或意外错误承担责任。使用前请充分了解风险。","一位加密货币交易员试图验证其基于移动平均线交叉的自定义策略，以便在实盘前评估盈利潜力并自动化执行。\n\n### 没有 algobot 时\n- 交易者需手动编写复杂的 Python 脚本来回测历史数据，每次调整参数（如均线周期）都要重新运行代码，效率极低。\n- 缺乏直观的图形界面，无法实时观察策略在图表上的买卖信号，难以直观判断策略逻辑是否存在漏洞。\n- 模拟交易与实盘交易割裂，从测试到上线需要重构大量代码，容易因人为疏忽导致“实盘与回测不一致”的风险。\n- 无法远程监控账户状态，一旦离开电脑就无法及时接收市场突发变动的通知或调整止损止盈设置。\n\n### 使用 algobot 后\n- 利用内置的回测和优化器，交易者只需在图形界面中配置参数，即可秒级完成多轮策略验证，快速找到最优组合。\n- 通过实时数据图表功能，直接可视化查看移动平均线交叉点及买卖信号，即时发现并修正策略逻辑缺陷。\n- 同一套策略配置可无缝切换至模拟模式或实盘模式，无需修改代码，确保了从测试到实战的一致性。\n- 集成 Telegram 通知功能，交易者无论身处何地都能远程接收交易统计、警报并动态调整追踪止损或获利目标。\n\nalgobot 将繁琐的代码开发转化为可视化的策略工作流，让交易者能专注于策略逻辑本身而非工程实现，显著降低了量化交易的门槛与风险。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZENALC_algobot_5a62a089.png","ZENALC","Mihir Shrestha","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FZENALC_619a2655.jpg","I'm not actually a raccoon.","Boston Lighthouse Innovations","Boston, MA",null,"https:\u002F\u002Fwww.zenalc.com\u002F","https:\u002F\u002Fgithub.com\u002FZENALC",[85],{"name":86,"color":87,"percentage":88},"Python","#3572A5",100,957,178,"2026-04-02T14:40:01","GPL-3.0",4,"Windows, Linux, macOS","未说明",{"notes":97,"python":98,"dependencies":99},"Windows 用户若安装失败，需预先安装 Visual Studio Build Tools。必须手动安装 TA-LIB 库：Windows 用户建议下载对应 Python 版本的 .whl 文件进行安装；Linux 和 macOS 用户需参考官方文档编译安装。","3.7 - 3.9",[100,101],"pipenv","TA-LIB",[13,26,54],[104,105,106,107,108,109,110,111,112,113,114,115,116],"simulations","trade","telegram","cryptocurrency","crypto","trading","robot","bot","python","pyqt5","pyqt","backtests","optimizations","2026-03-27T02:49:30.150509","2026-04-06T09:45:04.187922",[],[121,126,131,136,141,146,151,156,161,166,171],{"id":122,"version":123,"summary_zh":124,"released_at":125},81214,"2.1.1","* 移除了对重复策略名称的支持，因为它们不可靠。\r\n* 对代码进行了一点简化。","2021-12-26T04:24:00",{"id":127,"version":128,"summary_zh":129,"released_at":130},81215,"2.1.0","* 在模拟模式中新增了对Telegram集成的支持。","2021-12-25T19:17:29",{"id":132,"version":133,"summary_zh":134,"released_at":135},81216,"2.0.0","* 新增通过策略构建器\u002F管理器实现动态策略创建与管理的支持。","2021-12-25T01:23:05",{"id":137,"version":138,"summary_zh":139,"released_at":140},81217,"1.19","* 小幅改进","2021-07-29T02:45:06",{"id":142,"version":143,"summary_zh":144,"released_at":145},81218,"1.18.1","* 修复下载 CSV 文件的 bug","2021-07-25T14:03:04",{"id":147,"version":148,"summary_zh":149,"released_at":150},81219,"1.18","* 简化了策略创建\n* 使策略日志记录的支持更加容易\n* 使策略绘图的支持更加容易\n* 使策略窗口统计信息的支持更加容易\n* 为策略添加了更完善的文档\n* 在维基中添加了一个示例策略\n* 提升了图表的绘制速度\n* 添加了对图表动态图例的支持\n* 添加了当鼠标不在图表区域时，悬停线自动消失的功能","2021-07-25T14:10:43",{"id":152,"version":153,"summary_zh":154,"released_at":155},81220,"1.17","* 增加了自动精度支持。（建议使用自动精度，而非手动设置精度）。","2021-06-22T02:22:54",{"id":157,"version":158,"summary_zh":159,"released_at":160},81221,"1.16","* 添加了对图表自定义颜色的支持。","2021-06-19T04:07:09",{"id":162,"version":163,"summary_zh":164,"released_at":165},81222,"1.15","* 在运行优化器或回测之前增加了更完善的校验，以减少混淆。\n* 根据逻辑上兼容的数据区间动态填充策略区间，而非显示所有区间。\n* 修复了一些标签相关的错误。\n* 增加了更多关于导入数据的警告提示。","2021-06-04T04:56:10",{"id":167,"version":168,"summary_zh":169,"released_at":170},81223,"1.1","* 增加了波动率窥探器\n* 修复了优化器文件扩展名默认为 .txt 的 bug\n* 简化了代码","2021-05-29T04:35:24",{"id":172,"version":173,"summary_zh":174,"released_at":175},81224,"1.0","* Very first \"official\" release.","2021-05-14T04:00:49"]